三种构建大盘风控指标的方法 (副本)

由small_q创建，最终由small_q更新于2023-06-03 07:46 被浏览 9 用户

作者：woshisilvo

导语

在以往的分享中，很多朋友们问到如何设置大盘风控？在之前的分享中，我们讲过可以采用指数的涨跌幅以及Macd指标作为大盘风控的思路，通过特征列表构造指数特征macd表达式，再通过指数特征抽取来进行风控的设置。

bm_0=where(ta_macd_dif(close,2,4,4)-ta_macd_dea(close,2,4,4)<0,1,0)

本次我们对该思路进行改造，从以下三个方面进行优化：

为何我们要用指数来作为风控标的，而不采用个股？

指数衡量的是大部分股票涨跌的平均水平，他的收益曲线会比较平滑，很少大涨大跌，指标不容易失真，所以传统的一些择时指标在指数上的择时效果要远远好于个股。

可惜的是，不少同学反应：简单的涨跌幅和传统指标，择时效果不太好。现在是盘后做T+1的交易方式，用前一天的数据预测后一天的结果，指标会有滞后性。那么，是否可以对指标做一些调整，达到提升效果？

为此，对研报中的指标进行复现，发现：对于个股择时或指数，价格动量类以及成交量类指标，对指数的择时效果最好。

{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100} 得此结论，我们尝试仅通过指数的成交额/成交量重新构造一个大盘择时的指标，看效果是否提升？下图为无风控的策略收益表现：

无风控的策略表现{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}

指标名称：成交量（金额）类，这个指标应该是在研报中所有择时效果中最好的几个之一。

指标来源：《金融工程：125 个经典技术指标择时分析》。

指标公式及表现：

指标思路

构造特征表达式

MAAMT=MA(amount,40)
风控= where(amount<MAAMT,1,0)
采用研报中的构造方式可能效果会有点滞后，我们对指标进行改写。我们只需要 5日<10日MA 线就触发风控即可

bm_1=where(mean(amount, 5)-mean(amount, 10)<0,1,0)

策略表现如下：

MAAMT风控指标下的策略表现{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}

指标描述：指数的成交量（3.5日ma线死叉）作为全仓卖出风控的依据。

bm_0=where(mean(volume, 5)-mean(volume, 10)<0,1,0)

发现：用成交量的5日均线 <10日均线比用成交额更好。

3.5日ma线死叉作为指标下的策略表现{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}

构建一个LSTM+CNN的模型预测股价涨跌，并将此作为风控指标

#大盘风控模块，读取深度学习模型预测涨跌的风控数据    
benckmark_risk=ranker_prediction['result'].values[0]
    # 若预测涨跌的概率小于0.49则不开仓 全仓风控

LSTM+CNN指标下的策略表现{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}